A new nomogram model for the individualized prediction of mild cognitive impairment in elderly patients with type 2 diabetes mellitus
Notice bibliographique
Résumé
Background: A high risk of developing mild cognitive impairment (MCI) is faced by elderly patients with type 2 diabetes mellitus (T2DM). In this study, independent risk factors for MCI in elderly patients with T2DM were investigated, and an individualized nomogram model was developed. Methods: In this study, clinical data of elderly patients with T2DM admitted to the endocrine ward of the hospital from November 2021 to March 2023 were collected to evaluate cognitive function using the Montreal Cognitive Assessment scale. To screen the independent risk factors for MCI in elderly patients with T2DM, a logistic multifactorial regression model was employed. In addition, a nomogram to detect MCI was developed based on the findings of logistic multifactorial regression analysis. Furthermore, the accuracy of the prediction model was evaluated using calibration and receiver operating characteristic curves. Finally, decision curve analysis was used to evaluate the clinical utility of the nomogram. Results: In this study, 306 patients were included. Among them, 186 patients were identified as having MCI. The results of multivariate logistic regression analysis demonstrated that educational level, duration of diabetes, depression, glycated hemoglobin, walking speed, and sedentary duration were independently correlated with MCI, and correlation analyses showed which influencing factors were significantly correlated with cognitive function (p <0.05). The nomogram based on these factors had an area under the curve of 0.893 (95%CI:0.856-0.930)(p <0.05), and the sensitivity and specificity were 0.785 and 0.850, respectively. An adequate fit of the nomogram in the predictive value was demonstrated by the calibration plot. Conclusions: The nomogram developed in this study exhibits high accuracy in predicting the occurrence of cognitive dysfunction in elderly patients with T2DM, thereby offering a clinical basis for detecting MCI in patients with T2DM.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».